Manajemen Operasional (Peramalan Permintaan)

Presentasi berjudul: "Manajemen Operasional (Peramalan Permintaan)"— Transcript presentasi:

1 Manajemen Operasional (Peramalan Permintaan)
METODE PERAMALAN PERMINTAAN Metode bebas (freehand method) Metode setengah rata-rata (semi average method) Metode rata-rata bergerak (moving average method) Metode kwadrat terkecil (least quares method) Dosen: Febriyanto, S.E., M.M.

2 Peramalan Permintaan Peramalan (forecasting) merupakan alat bantu yang penting dalam perencanaan yang efektif dan efisien. Peramalan mempunyai peranan langsung pada peristiwa eksternal yang pada umunya berada di luar kendali manajemen. Seperti: pelanggan, pesaing, pemerintah dan lain sebagainya. Peramalan permintaan manajemen operasi: perencanaan skedul produksi, perencanaan pemenuhan kebutuhan bahan, perencanaan kebutuhan tenaga kerja, perencanaan kapasitas produksi, perencanaan layout fasilitas, penentuan lokasi, penentuan metode proses, penentuan jumlah mesin dan lain sebagainya.

3 Peramalan Permintaan Metode Peramalan Permintaan
Metode kuantitatif dapat dibagi ke dalam deret berkala atau runtun waktu (time series) dan metode kausal, sedangkan metode kualitatif dapat dibagi mejadi metode eksploratoris dan normatif. Kuantitatif, Tiga kondisi yang harus dipenuhi, yaitu: 1. Tersedia informasi tentang masa lalu 2. Informasi dapat dikuantitatifkan dalam bentuk data numerik 3. Diasumsikan pola masa lalu akan terus berlanjut. Metode Gerakan Trend, untuk mengukur gerakan trend, yaitu: Metode bebas (freehand method) Metode setengah rata-rata (semi average method) Metode rata-rata bergerak (moving average method) Metode kwadrat terkecil (least quares method)

4 1. Metode Bebas

5 2. Metode setengah rata-rata (semi average method)
Perhitungan nilai trend pada tahun tertentu dapat ditentukan dengan menggunakan rumus sebagai berikut: Y' = ao + bx Keterangan Y’ : nilai trend periode tertentu a : nilai trend periode dasar b : tambahan trend tahunan yang dihitung dengan cara (X2 – X1)/n X2 : setengah rata-rata kelompok kedua X1 : setengah rata-rata kelompok pertama n : jumlah periode antara x2 dan x1 X : jumlah unit tahun yang dihitung dari periode dasar.

6 2. Metode setengah rata-rata (semi average method)
ao = a1988 = b = (X2 – X1)/n = ( )/5 =

7 2. Metode setengah rata-rata (semi average method)
Nilai trend permulaan tahun adalah: ao = a1988 = b = (X2 – X1)/n = ( )/5 = Y1986 = (-2,5) = Y1987 = (-1,5) = Y1988 = (-0,5) = Y1989 = ( 0,5) = Y1990 = ( 1,5) = Y1991 = ( 2,5) = Y1992 = ( 3,5) = Y1993 = (4,5) = Y1994 = ( 5,5) = Y1995 = ( 6,5) =

8 2. Metode setengah rata-rata (semi average method)
Misalnya: Nilai trend permulaan tahun adalah: ao = a1993 = b = (X2 – X1)/n = ( )/5 = Y1986 = (-7,5) = Y1987 = (-6,5) = Y1988 = (-5,5) = Y1989 = (-4,5) = Y1990 = (-3,5) = Y1991 = (-2,5) = Y1992 = (-1,5) = Y1993 = (-0,5) = Y1994 = ( 0,5) = Y1995 = ( 1,5) =

9 2. Metode setengah rata-rata (semi average method)

10 3. Metode Single Moving Average
Cara menghitung: Jika menggunakan cara 3 bulan moving averages, maka forecast satu bulan sebesar rata-rata 3 bulan sebelumnya. Rumus: St+1 = Forecast untuk periode ke t + 1 Xt = Data periode t n = Jangka waktu moving averages.

11 3. Metode Single Moving Average
Misal: Jika forecast dengan metode 3 bulan moving averages untuk bulan April adalah Penjualan Januari kg Februari kg Maret kg

12 3. Metode Single Moving Average
Bulan Permintaan Forecast 3 bulan 5 bulan Januari Februari Maret April Mei Juni Juli Agustus September Oktober November Desember 20 21 19 17 22 24 18 23 25 - 20.00 19.00 19.33 21.00 21.33 21.67 20.33 22.67 22.33 19.80 20.60 20.80 21.40 22.00 21.60

13 3. Metode Single Moving Average
Metode Single Moving Average ini biasanya lebih cocok digunakan untuk melakukan forecast hal-hal yang bersifat random, artinya tidak ada gejala trend naik maupun turun, musiman dan sebagainya, melainkan sulit diketahui polanya. Metode Single Moving Average mempunyai 2 sifat khusus: Untuk membuat forecast diperlukan data masa lalu selama jangka waktu tertentu. Semakin panjang moving averages, maka akan menghasilkan moving averages yang semakin halus. Menghitung forecast error Mean absolute error => Mean squared error =>

14 3. Metode Single Moving Average
Bulan Permintaan 3 bulan Forecast Error Absoluteerror (Error)2 Januari Februari Maret April Mei Juni Juli Agustus September Oktober November Desember 20 21 19 17 22 24 18 23 25 - 20.00 19.00 19.33 21.00 21.33 21.67 20.33 22.67 22.33 -3.00 3.00 4.67 1.67 -1.67 -0.67 0.67 9.00 21.78 2.78 0.44

15 3. Metode Single Moving Average
Perbandingan eror antara 3 bulan dan 5 bulan moving average 3 bln moving average bln moving average Mean absolut error Mean squared error Berdasarkan perbandingan tersebut, moving average dengan jangka waktu lebih lama, maka forecasting akan menimbulkan penyimpangan lebih kecil.

16 4. Trend Metode Least Square
Trend adalah rata-rata perubahan dalam jangka panjang. Jika hal yang diteliti menunjukkan gejala pertambahan, maka trend yang dimiliki disebut sebagai trend positif. Jika hal yang diteliti menunjukkan gejala semakin berkurang, maka trend yang dimiliki disebut sebagai trend negatif. Salah satu metode trend yang digunakan adalah metode least squares. Persamaan trend dengan metode least square adalah Ŷ = a + bX

17 4. Trend Metode Least Square
Tahun X Penjualan Y xy X2 Y’ 2000 2001 2002 2003 2004 2005 2006 2007 2008 10 05 15 20 25 30 40 45 35 Y’ = a + bx Σx = na + bΣx Σxy = x + b Σx2 Dimana: a & b = konstanta persamaan n = Jumlah data x = periode waktu

18 4. Trend Metode Least Square
Σx = na + bΣx Σxy = ∑xa + bΣx2 Tahun X Penjualan Y xy X2 Y’ 2000 2001 2002 2003 2004 2005 2006 2007 2008 1 2 3 4 5 6 7 8 10 05 15 20 25 30 40 45 35 60 100 150 240 315 280 9 16 36 49 64 1180 204

19 4. Trend Metode Least Square
Σx = na + bΣx Σxy = ∑xa + b Σx2 = 9a + 36b (4) 1180 = 36a + 204b (1) = 9a + 36b (4) => 144 = 36a + 144b 1180 = 36a + 204b (1) => = 36a + 204b -1036 = b b = /-60 b = 17.3 36 = 9a + 36b => = 9a + 36 (17.3) => = 9a => -9a = – 36 => -9a = 586.8 => a = -65.2 Y’ = x

20 Tahun Penjualan X XY X^2 Ŷ
2000 10 -65.25 2001 5 1 -47.95 2002 15 2 30 4 -30.65 2003 20 3 60 9 -13.35 2004 25 100 16 3.95 2005 150 21.25 2006 40 6 240 36 38.55 2007 45 7 315 49 55.85 2008 35 8 280 64 73.15 Σ 215 1180 204 Y = -65, X a = b = 17.30